人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

一、 集合初步 二、 实数集 三、函数

◼ 整数和实数的机内表示 ◼ 位操作 ◼ 操作数的类型转换 ◼ 短路求值 ◼ 带副作用的操作符的表达式计算 ◼ 左值表达式和右值表达式

1.1.1 实数、区间与邻域 1.1 函 数 1.1.2 常量与变量 1.1.3 函数的定义 隐函数 单值函数和多值函数 函数的定义 1.1.4 反函数 基本初等函数 奇偶性 初等函数 单调性 复合函数 周期性 有界性 1.1.6 分段函数 1.1.7 函数的简单性质 1.1.5 初等函数

中国科学技术大学：《数学分析》课程教学资源（课件讲稿）第一章 极限 1.1 实数的十进制小数表示

1 基础知识 2 数列的极限理论 3 函数的连续性 4 单变量微分学 5 单变量积分学 6 单变量微积分的应用 A 实数理论简介 B 常见函数微分学公式 C 常用积分表

1.1 实数 1.2 数列极限

人工智能基础：一种基于种群多样度的实数编码并行遗传算法

◼ 整数和实数的机内表示 ◼ 位操作 ◼ 操作数的类型转换 ◼ 短路求值 ◼ 带副作用的操作符的表达式计算 ◼ 左值表达式和右值表达式

◼ 有限集合  元素的个数称为该集合的基数；  满足包含排斥原理。 ◼ 无限集合  元素无限多，如：自然数集合N、整数集I、实数集R等。 ◼ 问题：  对于这样的集合有没有基数呢？  如果有，基数是多少？  无限集合之间有无大小的差别? ◼ 本章主要借助于函数讨论集合的所谓“大小”问题。这里用到自然数集合这个重要的概念讨论无限集